[論文レビュー] Toward Native Artificial Intelligence in 6G Networks: System Design, Architectures, and Paradigms

Jian Wu, Rongpeng Li+5 more|arXiv (Cornell University)|Mar 4, 2021

IoT and Edge/Fog Computing参考文献 6被引用数 26

ひとこと要約

本論文は、独立したデータ平面と知能平面を備えたエンドツーエンドの6Gアーキテクチャを提案し、 native AI services および XaaSスタイルのプロビジョニングを、収束した通信資源と計算資源にまたがって実現する。

ABSTRACT

The mobile communication system has transformed to be the fundamental infrastructure to support digital demands from all industry sectors, and 6G is envisioned to go far beyond the communication-only purpose. There is coming to a consensus that 6G will treat Artificial Intelligence (AI) as the cornerstone and has a potential capability to provide "intelligence inclusion", which implies to enable the access of AI services at anytime and anywhere by anyone. Apparently, the intelligent inclusion vision produces far-reaching influence on the corresponding network architecture design in 6G and deserves a clean-slate rethink. In this article, we propose an end-to-end system architecture design scope for 6G, and talk about the necessity to incorporate an independent data plane and a novel intelligent plane with particular emphasis on end-to-end AI workflow orchestration, management and operation. We also highlight the advantages to provision converged connectivity and computing services at the network function plane. Benefiting from these approaches, we believe that 6G will turn to an "everything as a service" (XaaS) platform with significantly enhanced business merits.

研究の動機と目的

• クリーンシ slateな6G設計を動機づけ、知能の含有とAIサービスへの普遍的アクセスを可能にする。
• 独立したデータ平面と新規の知能平面を特徴とするエンドツーエンドのシステムアーキテクチャを提案する。
• RAN、CN、TNを横断する通信と計算の深い収束を可能にするネットワーク機能平面を定義する。
• プライバシー、セキュリティ、クロスドメインデータ共有を支えるデータガバナンスと管理メカニズムを導入する。
• エコシステム全体のAIサービス展開と協働を可能にするXaaSプラットフォームの概念を概説する。

提案手法

• 独立したデータ平面、知能平面、収束したネットワーク機能平面、およびXaaSプラットフォームの4つの平面を備えたエンドツーエンドの6Gアーキテクチャを導入する。
• AIサービスのホスティングとオーケストレーションのために、独立したCmP（computing plane）を含む2層のRAN分離（cNBとsNB）を提案する。
• 独立したデータ平面内でデータ収集、処理、保存、アクセス制御を含むデータガバナンスフレームワークを定義する。
• AIサービスのオーケストレーション、インフラマッピング、ライフサイクル管理のためのNAMO（Network AI Management and Orchestration）を説明する。
• NAMOコンポーネントの標準化とオープンソースアプローチ、およびAIワークフロー展開のCI/CDメカニズムについて議論する。
• ネットワーク支援型のマルチエージェント学習などの潜在的な利点を示すユースケース図とネットワーク支援のマルチエージェント学習シナリオを提示する。

実験結果

リサーチクエスチョン

• RQ1 エンドツーエンドのアーキテクチャ再設計を通じて、6GはネイティブAIサポートをどのように実現できるか。
• RQ2 知能含有を可能にするために必要な平面ベースの構成要素（データ平面、知能平面、XaaS）は何か。
• RQ3 6GネイティブAI時代におけるデータガバナンス、セキュリティ、マルチパーティ協力はどう扱うべきか。
• RQ4 NAMOが分散・異種資源にまたがるAIサービスをオーケストレーションしつつ、サードパーティAIサービスをどう可能にするか。
• RQ5 ネットワーク支援型のAIがマルチエージェントシナリオでの利点を示す証拠（シミュレーションやケーススタディ）は何か。

主な発見

• 独立したデータ平面と知能平面を備えたエンドツーエンドの6Gアーキテクチャは、ネイティブAIサービスのオーケストレーションと管理を支援できる。
• RANの制御機能とサービス機能を分離し（cNBとsNB）、Computing Planeを導入することで、エッジでの動的AIサービス展開を可能にする。
• NAMOフレームワークは、マルチドメインネットワークにまたがるAIサービスのオーケストレーション、インフラマッピング、管理を提供する。
• XaaSプラットフォームは、収束した通信と計算資源を可能にし、サードパーティAIアプリケーションと新しいビジネスモデルをサポートする。
• シミュレーションベースのケーススタディ（例：ネットワーク支援型マルチエージェント学習）は、ネットワーク支援を含めることで、特定の遅延と同期条件下で性能が向上することを示している。